微软研究员Dimitris Papailiopoulos借助GPT-5.6与Fable 5，证明「LMMSE舍入+贪心逐位翻转」可在MIMO检测的2logN最大似然阈值实现精确恢复。算法需O(NlogN)步，总计算量O(N³)，把指数级穷举转为多项式时间。两种模型分别贡献AMP初步证明与符号LMMSE路径，研究员用7天交叉简化并逐行人工核验；结果还显示低于该阈值时，最大似然检测本身也会失败。

联合国设立首个独立国际AI科学小组，组织形式参照气候领域IPCC，目标是汇总AI能力与风险证据，形成供成员国治理谈判使用的全球技术共识。该机制将科学评估与「全球AI治理对话」的政治协商分开，并推动以Inspect等框架开展标准化Capability Evals，覆盖病原体合成、欺骗性推理等风险。小组还计划为缺乏预算和技术能力建设国家AI安全机构的成员国提供持续评估支持。

一项企业AI成本案例汇总显示，Amazon某项补全作者信息任务支出180万美元，超预算860%，五个月后才被发现且最终未上线；Meta面向8.5万名员工的Claude使用榜单，按文中估算对应月账单约2.21亿美元。材料还称仅26%的企业能完整掌握AI支出，Uber在四个月耗尽全年AI编码预算后，将员工月度额度设为1500美元，反映按token激励而缺少任务产出、重试和集中监控指标的成本风险。

TarantuBench-v2发布1万个由AI生成的易受攻击Web应用，用于训练和评估模型网络安全能力。基准不再只检查是否拿到flag，而是同时验证应用层利用里程碑与HTTP轨迹，以识别模型绕过预期路径或攻击评测设施的reward hacking。作者主张开放安全工具有利于防守方，但也明确承认数据均为合成、每个应用仅含单一漏洞，尚未完成与其他安全基准的相关性研究，也未验证微调后的跨基准迁移效果。

CalibForge提出面向终端Agent训练数据的对抗式多求解器校准框架，利用求解器分歧及「强模型通过、弱模型失败」关系，把合成任务维持在可学习难度区间。其生成5431项终端任务；据项目披露，训练后模型相对基线在Terminal-Bench 2.0提升24.71个百分点、SWE-bench Pro提升27.68个百分点、Doc2Repo提升30.04个百分点。跨基准增益指向通用环境操作能力，但结果仍需独立复现。

Intel开源LLM Scaler，针对Arc Pro B60与B70 GPU优化文本、图像和视频生成，支持DeepSeek、Qwen等模型，并提供INT4、FP8和MXFP4量化路径。项目接入vLLM、SGLang与ComfyUI，便于开发者沿用现有推理及生成式AI工作流，在Intel显卡上部署多类模型。当前材料未披露具体吞吐、延迟或相对竞品性能，因此「最佳性能」仍属项目方定位；代码仓库已公开，可用于评估兼容性和实际收益。

OOPSLA 2026项目「just-tri-it」提出语义三角校验，用独立变换后的等价问题交叉检查LLM生成程序，以降低代码幻觉。研究认为，多次采样的程序常产生相关错误，简单多数投票会放大同一错误；由同一模型生成的测试或形式化规格也可能继承偏差。该方法要求问题变换触发不同算法，并通过双射性质映射错误，使矛盾更容易暴露。论文在其假设模型下证明三角一致性更可靠，相关代码与材料已在GitHub公开。

Model DNA方法以公开模型配置、Tokenizer重合度和嵌入空间Linear CKA三类信号判断LLM血缘：单一字段相同不足为证，五项以上同时吻合可形成较强指纹。CKA对旋转和缩放较稳健，比直接余弦相似度更难被表征变换规避；层间CKA、共享token数量与置信区间可进一步提高分辨率。方法仍难区分大规模继续预训练后的衍生模型，阈值也会随候选集变化，因此只能说明谱系概率，不能推断许可合规或开发者意图。